F.

Tinjauan Pustaka
1. Penelitian Terdahulu
1.1 Algoritma A-STAR
Algoritma A* (A-Star) merupakan salah satu dari algoritma
yang

menerapkan

teknik

heuristik

(teknik

pencarian

terbimbing).Algoritma A* (A-Star) merupakan salah satu algoritma

yang dipelajari untuk menyelesaikan permasalahan.Algoritma A*
menyelesaikan masalah yang menggunakan graf untuk perluasan ruang
statusnya. Dengan kata lain digunakan untuk menyelesaikan
permasalah yang bisa direpresentasikan dengan graf. Algoritma A*
adalah sebuah algoritma yang telah diperkaya dengan menerapkan
suatu heuristik, algoritma ini membuang langkah-langkah yang tidak
perlu dengan pertimbangan bahwa langkah-langkah yang dibuang
sudah pasti merupakan langkah yang tidak akan mencapai solusi yang
diinginkan.
No Penulis
Judul
Penerbit
1
Rengga Dionita Pencarian Rute
Putra,

Ir. Terdekat Pada

Muhammad

Hasil
A*

tidak

selalu

menjamin mendapatkan

Labirin

rute

Aswin, MT dan Menggunakan

terbaik

(bobot

terkecil).

Waru Djuriatno, Metode A*

2

ST.,MT.
Puanta

Della Algortima

Institut

Algoritma A* benar

Maharani

Pencarian

Riyadi

dengan Fungsi Bandung

fungsi

Heuristik Jarak

digunakannya.

Haspari Tilawah

A* Teknologi benar terpengaruh oleh

Manhattan
Penerapan
Algoritma
STAR
Untuk

Institut
A-

heuristik

Algoritma

Teknologi merupakan

(A*) Bandung

yang

A*
salah

algoritma
&Bound

satu

Branch
yang

selalu

Menyelesaikan

memberikan solusi yang

Rudy

Masalah Maze
Aplikasi

optimal.
Algoritma

Adipranata,

Pencari

Andreas

Optimum Pada Petra

Handojo, Happy Peta

Setiawan

Universit

A*

Rute as Kristen memberikan hasil yang

Guna

lebih baik daripada BFS

dalam

Meningkatkan

pencarian

rute

terpendek.

Efisiensi
Waktu Tempuh
Pengguna Jalan
Dengan
Metode A* dan
Best
5

Veronica

First

Search
Optimasi

Universit

Penggunaan

algoritma

Mutiana, Fitria Pencarian Jalur as

A*

menjamin

Amastini,

dengan Metode Mulitime

bahwa rute yang terpilih

Noviana

A-STAR

adalah rute terbaik atau

dia

Mutiara
Yuliana, Ananda Implementasi
dan Ibnu Surya

Algoritma
STAR

Apada

tidak

Nusantara paling optimal.

Algoritma A* lebih baik
dalam mendapatkan jalur
yang

lebih

pendek

Pemecahan

dibandingkan

dengan

Puzzle 8

algoritma Greddy.

Pada penelitian yang berjudul Pencarian Rute Terdekat Pada Labirin

Menggunakan Metode A* yang dilakukan oleh Rengga Dionata Putra, Ir.
Muhammad Aswin, MT. dan Waru Djurianto, ST., MT..Dapat disimpulkan bahwa
algoritma A* tidak selalu menjamin untuk selalu mendapatkan rute terbaik (bobot
terkecil) dari semua rute yang ada karena jalur jalur yang tidak dilalui hanya
diabaikan dan tidak dihitung.

Pada penelitian yang dilakukan oleh Puanta Della Maharani Riyadi, hasil
yang didapatkan adalah algoritma A* sangat terpengaruh oleh fungsi heuristik
yang digunakannya.Hasil yang didapat jika menggunakan nilai heuristik yang
tepat dapat mengoptimalisasi waktu yang dibutuhkan untuk mencari solusi.
Pada penilitian yang berjudul Penerapan Algoritma A-STAR (A*) Untuk
Menyelesaikan Masalah Maze didapatkan hasil bahwa algoritma A* selalu
menggunakan informasi tambahan (nilai heuristik) dalam pencarian solusi. Oleh
karena itu solusi yang optimal sangat tergantung kepada fungsi heuristik yang
diterapkan. Algoritma A* dapat diterapkan untuk menyelesaikan permasalahan
maze yaitu dengan cara menyimpan data posisi tembok maze sebagai simpul yang
tidak bias dilewati (not walkable).
Pada penilitian yang dilakukan oleh Rudy Adipranata, Andreas Handojo
dan Happy Setiawan, mereka melakukan perbandingan antara penggunaan
algoritma A* dan BFS (Best First Search) dalam pencarian rute terpedek pada
peta. Dari hasil penilitian yang didapat, algoritma A* lebih efektif daripada BFS
(Best first Search) karena dari dari segi jarak hasil rute yang ditemukan dan total
pathcost/ biaya tempuh rute, algoritma A* memberikan hasil yang lebih baik
daripada BFS, sedangkan BFS memberikan hasil rute yang lebih panjang dan
path cost yang lebih besar.
Pada penilitian yang dilakukan oleh Veronica Mutiana, Fitria Amastini dan
Noviana Mutiara disimpulkan bahwa penggunaan algoritma A* tidak menjamin
bahwa rute yang terpilih adalah rute terbaik atau paling optimal, karena agent
tidak bersifat full observable setelah proses backtrack dilakukan, sehingga hanya
menghitung jarak dari node yang dilaluinya saja. Selain itu, constraint node yang
macet juga memengaruhi hasil pencarian menggunakan A*, dimana hasilnya
dapat lebih optimal atau dapat lebih buruk.
Pada penilitian yang berjudul Implementasi Algoritma A* pada
Pemecahan Puzzle 8 dilakukan perbandingan antara algoritma A* dan algoritma
Greddy dalam pencarian rute terpendek.Dari hasil yang didapat, algoritma A*
lebih baik dalam pencarian rute terpendek daripada algoritma Greddy. Walaupun
algoritma A* dapat menemukan langkah yang lebih pendek, tetapi algoritma A*

membutuhkan waktu yang lebih lama dalam penyelesaiannya dibanding dengan

algoritma Greddy karena algortima A* melakukan perhitungan baik nilai
perkiraan maupun biaya sebenarnya yang dibutuhkan untuk kembali ke posisi
state akhir, atau dengan kata lain makin banyak fungsi yang harus diperiksa
sehingga waktu yang dibutuhkan juga relatif lebih lama.
1.2 Pencarian Lokasi Parkir
Berikut adalah berbagai penelitian terkait yang mendukung dan mendasari
penelitian yang akan dilakukan oleh penulis.
N

Penulis

o
1

Judul

Penerbit

Hasil

Hilal Al-Kharusi Intelligent

World

Pendeteksian

dan Ibrahim Al- Parking

Journal

Bahadly

Engineering

Management

of ketersediaan tempat
parkir yang kosong

System Based and

berdasarkan

on

based telah berhasil

Image Technology

Processing

namun

image
masih

dibatasi oleh kondisi

2

D.B.L.

Bong, Integrated

IAENG

K.C. Ting, dan Approach

K.C. Lai

in International

the Design of Journal

Car

R.

Detection

Stream

of dan Edge Detection

Park Computer

Occupancy

cuaca pendeteksian.
Penggunaan Feature

Science

mampu

menangani

kondisi

kondisi

Information

khusus seperti situasi

System

cuaca,

(COINS)
Yusnita, Intelligent

International

Fariza Norbaya, Parking Space Journal

pencahayaan.
Penggunaan marker

of (lingkaran

Innovation,

dan

dan

Detection

Norazwinawati

System Based Management

yang dilukis pada

Basharuddin

on

setiap tempat parkir

Image and

berwarna

bulat
cokelat)

Processing

Technology

membuat

proses

pendeteksian tempat
parkir kosong lebih
4

Achmad

Yusuf Rancang

Zunaidi,

Journal

Bangun

Harianto,

mudah dilakukan.
of Penggunaan metode

Control and Background

dan Pendeteksi

Network

Madha

Tempat Parkir Systems

Christianto

Kosong

Detection

memiliki

tingkat akurasi 100%

Berbasis Citra
5

Muhadi

Digital
Ardhie Deteksi Tempat Universitas

Tyasa, dan Edy Kosong

Santoso

Lahan

Pada Brawijaya
Parkir Malang

Penggunaan metode
Vehicle
dan

Detection
Operator

Mobil

Laplacian

Menggunakan

Gaussian pada file

Metode Vehicle

citra

Detection

threshold

30%

memiliki

tingkat

dan

Operator
Laplacian

of

of

dengan

nilai

akurasi pendeteksian

Gaussian

tertinggi

(LoG)

sebesar 93.2%

yaitu

Penjelasan :
1. Jurnal ini bertujuan untuk menciptakan sebuah sistem pintar yang dapat
mendeteksi tempat parkir berbasis pada teknik pengolahan citra. Sistem
menangkap dan memproses foto dari tempat parkir untuk menghasilkan
informasi mengenai tempat parkir yang kosong menggunakan kamera
yang berfungsi sebagai sensor. Penggunaan kamera dilakukan karena
penangkapan gambar dari kamera dapat mendeteksi banyak kendaraan
roda empat sekaligus, selain itu mobilitas kamera juga tinggi sehingga
kamera dapat dipindahkan untuk mendeteksi lahan parkir berbeda.

Pengujian dilakukan berdasarkan simulasi sebuah lahan parkir yang telah

diberikan mark pada setiap tempat parkirnya berupa lingkaran hijau.
2. Penelitian yang dilakukan pada journal ini menggunakan kamera
berdasarkan pertimbangan akan biaya karena hampir diseluruh tempat
parkir

sekarang

dilengkapi

dengan

kamera

CCTV

yang

dapat

dimanfaatkan tidak hanya untuk memantau tempat parkir, namun juga

membantu para pengunjung untuk menemukan tempat parkir yang kosong.
Penelitian ini diuji dengan menggunakan simulasi dan penanaman sistem
pada sebuah lahan parkir. Pengujian dilakukan pada pencahayaan dan
image noise yang berbeda. Hasil yang didapat secara keseluruhan sistem
ini mampu mendeteksi dengan tingkat akurasi sebesar 93%.
3.

Penelitian ini dilakukan untuk menghasilkan sebuah intelligent system

yang berfungsi untuk mendeteksi tempat parir yang kosong berdasarkan
pengolahan citra yang mengambil dan memproses tanda yang telah
diberikan pada tempat parkir berupa lingkaran berwarna cokelat. Hasil dari
pengujian berupa jumlah tempat parkir kosong yang tersedia. Pengujian
dilakukan pada simulasi lahan parkir yang telah ditandai. Fungsi dari tanda
pada tempat parkir tersebut adalah untuk memudahkan proses pengolahan
gambar lebih mudah dan lebih hemat untuk dilakukan daripada
penanaman sensor wireless maupun kabel.

4. Penelitian

dilakukan

dengan

mengoptimalkan

keberadaan

kamera

pemantau (CCTV) pada lahan parkir untuk mengambil dan memproses

gambar keadaan lokasi parkir tersebut demi pencarian ketersediaan tempat
parkir yang kosong. Metode yang digunakan pada penelitian ini adalah
background subtraction yang akan menghasilkan sampel citra baru yang
kemudian akan dikonversikan dan diproses lebih lanjut untuk pendeteksian
tempat parkir yang kosong.
5. Penelitian ini dilakukan dengan pengolahan citra lahan parkir untuk
mencari tempat parkir yang kosong berbasiskan pada threshold yang

digunakan untuk mendeteksi piksel pada nilai tertentu, median filtering

yang digunakan untuk mereduksi noise pada image yang akan diproses,
deteksi tepi dengan operator Laplacian of Gaussian (LoG) yang memiliki
tingkat akurasi tinggi dalam pendeteksian tepi yang curam. Pengujian
dilakukan menggunakan 33 file citra yang memiliki nilai threshold dengan
rentang nilai 10% sampai 50%. Hasil pengujian menunjukkan bahwa
tingkat akurasi tertinggi didapat pada file citra dengan nilai threshold
sebesar 30% dengan tingkat akurasi 93.2%.
2. Landasan Teori
2.1 Pengolahan Citra
2.1.1 Teori Dasar Pengolahan Citra
Menurut Rinaldi Munir (2004, H. 6), Citra (image)
adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau
dari sudut pandang matematis, citra merupakan fungsi menerus
dari intensitas cahaya dari bidang dua dimensi.
Meskipun sebuah citra kaya informasi, namun sering kali
citra tersebut mengalami penurunan mutu (degradasi), misalnya
mengandung cacat atau noise, warnanya terlalu kontras, kurang
tajam, dan sebagainya. Sehingga citra semacam ini akan
menjadi lebih sulit di interpretasi karena informasi yang
disampaikan oleh citra tersebut menjadi berkurang. Agar citra
yang mengalami gangguan mudah di interpretasi (baik oleh
manusia maupun mesin), maka citra tersebut perlu dimanipilasi
menjadi citra lain yang kualitasnya lebih baik. Bidang studi
yang menyangkut hal ini adalah pengolahan citra (image
processing).
2.1.2

Teknik Pengolahan Citra

Secara umum teknik pengolahan citra digital dibagi

menjadi 3 tingkat pengolahan, yakni sebagai berikut:

1. Tahap

yang

dinamakan

dengan

Low-Level

processing(pengolahan tingkat rendah). Pengolahan ini

operasional operasional dasar dalam pengolahan citra,

seperti pengurangan noise (noise reduction), perbaikan citra
(image enhancement) dan restorasi citra (image restoration).
2. Tahap 2 yang dinamakan dengan Mid-Level procesing
(pengolahan tingkat menengah). Pengolahan ini meliputi
segmentasi pada citra, deskripsi objek, dan klasifikasi objek
secara terpisah.
3. Tahap 3 yang dinamakan dengan High-Level processing
(pengolahan tingkat tinggi), yang meliputi analisis citra.
Dari ketiga tahap pengolahan citra digital di atas, dapat
dinyatakan suatu gambaran mengenai teknik teknik
pengolahan citra digital dan macam macamnya antara lain
sebagai berikut:
1. Image Enhancement, berupa proses perbaikan citra
dengan meningkatkan kualitas citra baik kontras maupun
kecerahan.
2. Image Restoration, proses memperbaiki model citra,
biasanya berhubungan dengan bentuk citra yang sesuai.
3. Color Image Processing, suatu proses yang melibatkan
citra berwarna, baik berupa image enhancement, image
restoration, atau yang lainnya.
4. Wavelet dan Multiresolution Processing, merupakan
suatu proses yang menyatakan citra dalam beberapa
resolusi.
5. Image Compression, merupakan proses yang digunakan
untuk mengubah ukuran data pada citra. Saat ini, proses
ini terus dikembangkan. JPEG-4 merupakan salah satu
bentuk image compression yang baik dan saat ini banyak
digunakan. Saat ini para peniliti sedang mencanangkan
JPEG-7.

6. Morphological Processing, proses untuk memperoleh

informasi yang menyatakan deskripsi dari suatu bentuk
pada citra.
7. Segmentation, proses untuk membedakan atau memisahkan objek- objek yang ada dalam suatu citra, seperti
memisahkan objek dengan latar belakangnya.
8. Object Recognation, suatu proses yang dilakukan untuk
mengenali objek objek apa saja yang ada dalam suatu
citra.
2.2 Algoritma A*
2.2.1 Pengertian Algoritma A*
Algoritma A* adalah algoritma pencarian graf atau
pohon yang bertujuan untuk mencari jalur dari satu titik awal
ke sebuah titik akhir yang telah ditentukan. Algoritma A*
menggunakan pendekatan heuristik h(x) yang memberikan
peringkat ke tiap-tiap titik x dengan cara memperkirakan rute
terbaik yang dapat dilalui dari titik tersebut. Setelah itu tiaptiap titk x tersebut dicek satu-persatu berdasarkan urutan
yang dibuat dengan pendekatan heuristik tersebut. Maka dari
itulah algoritma A* adalah contoh dari best-first search.
Algoritma A* ditemukan oleh Peter E. Hart pada 1968. Ia
mengoptimalkan kerja dari A2 hasil temuan Bertram Raphael
pada 1967 dengan menggunakan consistent heuristic dengan
hanya sedikit perubahan. A2 adalah hasil dari pengembangan
A1 yang ditemukan oleh nils Nilsson pada 1964.
Prinsip dari algoritma ini adalah melakukan traversal satu
per satu pada tiap simpul untuk memperoleh lintasan terpendek
pada suatu graf. Algoritma A* akan menghitung jarak salah
satu lintasan, lalu menyimpannya dan kemudian menghitung
jarak lintasan lainnya. Ketika seluruh lintasan telah selesai

dihitung, algoritma A* akan memilih lintasan yang paling

pendek.
Algoritma A* menyelesaikan masalah yang menggunakan
graf untuk perluasan ruang statusnya.Dengan menerapkan
suatu heuristik. Heuristik adalah nilai yang memberi nilai pada
tiap simpul yang memandu A* mendapatkan solusi yang
diinginkan.

Dengan

heuristik,

maka

A*

pasti

akan

mendapatkan solusi (jika memang ada solusinya). Dengan kata

lain, heuristik adalah fungsi optimasi yang menjadikan
algoritma A* lebih baik dari pada algoritma lainnya.
Beberapa terminologi dasar yang terdapat pada algoritma
ini adalah starting point, simpul (nodes), A, openlist,
closedlist, harga (cost), halangan (unwalkable).
1. Starting point adalah sebuah terminologi posisi awal
sebuah benda.
2. A adalah simpul yang sedang dijalankan algortima
pencarian jalan terpendek.
3. Simpul adalah petak-petak kecil sebagai representasi
dari area pathfinding. Bentuknya dapat berupa persegi,
lingkaran, maupun segitiga.
4. Openlist adalah tempat menyimpan data simpul yang
mungkin diakses dari starting point maupun simpul yang
sedang dijalankan.

5. Closelist adalah tempat menyimpan data simpul sebelum

A yang juga merupakan bagian dari jalur terpendek yang
telah berhasil didapatkan.

6. Harga (F) adalah nilai yang diperoleh dari penjumlahan

nilai G, jumlah nilai tiap simpul dalam jalur terpendek
dari starting point ke A, dan H, jumlah nilai perkiraan dari
sebuah simpul ke simpul tujuan.

7. Simpul tujuan yaitu simpul yang dituju.

8. Rintangan adalah sebuah atribut yang menyatakan bahwa

sebuah simpul tidak dapat dilalui oleh A.

2.2.2 Pseudocode Algoritma A*

1. Masukkan node awal ke openlist.
2. Loop Langkah langkah di bawah ini :
a. Cari node (n) dengan nilai f(n) yang paling rendah
dalam open list. Node ini sekarang menjadi current
node.

b. Keluarkan current node dari openlist dan masukan ke

close list.

c. Untuk setiap tetangga dari current node lakukan

berikut :
i.

Jika tidak dapat dilalui atau sudah ada dalam

close list, abaikan.

ii.

Jika belum ada di open list . Buat current node

parent dari node tetangga ini. Simpan nilai f,g
dan h dari node ini.

iii.

Jika sudah ada di open list, cek bila node

tetangga ini lebih baik, menggunakan nilai g
sebagai ukuran. Jika lebih baik ganti parent
dari node ini di openlist menjadi current node,
lalu kalkulasi ulang nilai g dan f dari node ini.

d. Hentikan loop jika :

i.

Node tujuan telah ditambahkan ke openlist, yang

berarti rute telah ditemukan.

ii.

Belum menemukan node goal sementara openlist

kosong, yang berarti rute telah ditemukan.

3. Simpan rute. Secara backward, urut mulai darinode

goal ke parent-nya terus sampai mencapai node awal
sambil menyimpan node ke dalam sebuah array.

2.2.3

Penentuan Algoritma A-STAR [2]

Gambar 1. Ilustari Jalur Awal

Pada ilustrasi diatas, diketahui bahwa warna hijau
adalah posisi awal ( start point ), warna biru adalah posisi
tujuan ( goal point ) dan warna oranye adalah posisi yang
sudah dilalui ( visited point ), dari ilustrasi, diketahui
bahwa:
1. Jarak dari start point ke node a adalah f(a) =1,5+4 = 5,5
2. Jarak dari start point ke node d adalah f(d) =2+4,5 = 6,5

Berdasarkan perhitungan diatas, didapat jarak

terpendek adalah node a.

Gambar 2. Ilustrasi Jalur

Dari ilustrasi diatas, diketahui bahwa

1. Jarak dari node a ke node b adalah f(b) = 3,5 + 2 = 5,5
2. Jarak dari start point ke node d adalah f(d) = 2 + 4,5 =
6,5
Berdasarkan perhitungan diatas, didapat jarak
terpendek yang dapat ditempuh adalah melalui node a dan
melanjutkan ke node b.

Gambar 3. Ilustrasi Jalur

Dari ilustrasi diatas, diketahui bahwa
1. Jarak dari node b ke node c adalah f(c) = 6,5 + 4 = 10,5
2. Jarak dari start point ke node d adalah f(d) = 2 + 4,5 = 6,5

Berdasarkan perhitungan diatas, didapat jarak

terpendek sebelumnya yang ditempuh melalui node a ke node
b, dan melanjutkan ke node c lebih besar dibandingkan dengan
jarak tempuh dari start point ke node d.

Gambar 4. Ilustrasi Jalur

Dari ilustrasi diatas, diketahui bahwa
1. Jarak dari node b ke node c adalah f(c) = 6,5 + 4 = 10,5
2. Jarak dari node d ke node e adalah f(e) = 5 + 2 = 7
Berdasarkan perhitungan diatas, didapat jarak terpendek
dapat ditempuh melalui node d ke node e.
Berdasarkan seluruh perhitungan dari contoh ilustrasi
yang telah diberikan, diketahui bahwa jarak terpendek yang
dapat ditempuh dari start point ke goal point adalah melalui
node d dan melanjutkan ke node e.
2.3 Desktop
Desktop berasal dari kata desk yang berarti meja dan top yang
berarti di atas, sehingga desktop apabila diartikan secara harafiah
adalah sebuah komputer yang ditempatkan diatas meja. Desktop
merupakan computer yang tidak bersifat portable, umumnya desktop
digunakan untuk mengakses program tertentu. Program inilah yang
sering disebut dengan aplikasi desktop.Aplikasi desktop merupakan
aplikasi yang dapat berjalan sendiri tanpa memerlukan adanya koneksi
internet. Berdasarkan penjelasan tersebut, berikut adalah keunggulan
dan kekurangan dari aplikasi berbasis desktop.
1. Keunggulan
a. Berdiri sendiri.
b. Tidak memerlukan koneksi internet.
c. Proses aplikasi cepat.
d. Lebih aman dari gangguan pencurian data maupun
serangan virus.
e. Biaya pemeliharaan lebih irit.
2. Kekurangan
a. Perlu dilakukan penginstalan sebelum digunakan.

b. Diperlukan spesifikasi khusus.

c. Bergantung pada sistem operasi tertentu.
d. Terkendala lokasi fisik.
2.4 C# (C Sharp)
C#

merupakan

sebuah bahasa

pemrograman berorientasi

objek yang dikembangkan oleh Microsoft sebagai bagian dari inisiatif

kerangka .NET

Framework.

Bahasa

pemrograman

ini

dibuat

berbasiskan bahasa C++ yang telah dipengaruhi oleh aspekaspek dan

fitur bahasa yang terdapat pada bahasabahasa pemrograman lainnya
yang

telah

dilakukan

penyederhanaan,

contohnya

Java, Delphi, Visual Basic. Menurut standar ECMA-334 C# Language

Specification, nama C# terdiri atas sebuah hurufLatin C (U+0043)
yang diikuti oleh tanda pagar yang menandakan angka # (U+0023).
Tanda pagar # yang digunakan memang bukan tanda kres dalam seni
musik (U+266F), dan tanda pagar # (U+0023) tersebut digunakan
karena

karakter

kres

dalam

seni

musik

tidak

terdapat

di

dalam keyboard standar[3][4].

REFERENSI
[1] A*

Algorithm

Tutorial,

Diakses

13

Agustus

2014,

dari

http://www.cs.nyu.edu/courses/fall09/G22.2965-001/astartravsales
[2] A* Searching Method , Diakses 13 Agustus 2014, dari
http://en.wikipedia.org/wiki/A*_search_algorithm
[3] C# (Programming Language), Diakses 13 Agustus 2014, dari
http://en.wikipedia.org/wiki/C_Sharp_(programming_language)
[4] C# - Get to know C#, Diakses 13 Agustus 2014, dari http://csharpstation.com/
[5] Adipranata, R. Handojo, A. dan Setiawan, H. (2007) Aplikasi Pencari
Rute Optimum Pada Peta Guna Meningkatkan Efisiensi Waktu Tempuh

Pengguna Jalan dengan Metode A* dan Best First Search, Universitas

Kristen Petra Jurusan Teknik Informatika - Fakultas Teknologi
Industri , dari http://puslit.petra.ac.id/journals/informatics
[6] Al-Kharusi, H. dan Al-Bahadly, I. (2014) Intelligent Parking
Management System Based on Image Processing, World Journal of
Engineering

and

Technology,

2,

55-67,

dari

http://dx.doi.org/10.4236/wjet.2014.22006
[7] Bong, D.B.L. Ting, K.C. dan Lai, K.C. (2008) Integrated Approach in
the Design of Car Park Occupancy Information System (COINS),
IAENG International Journal of Computer Science, 35 (1), dari
http://www.iaeng.org/IJCS/issues_v35/issue_1/IJCS_35_1_02.pdf
[8] Definisi
A*
,
Diakses
30
Agustus
2014
dari
http://rinaforall.blogspot.com/2012/04/algoritma-a-star.html
[9] Lester, Patrick. A* Pathfinding for Beginners, Diakses 7 Agustus 2014
dari http://www.gamedev.net/reference/articles/article2003.asp, 2003.
[10]
Munir, Rinaldi. 2004, Pengolahan Citra Digital dengan
Pendekatan Algoritmik, Graha Ilmu, Yogyakarta.
[11]
Mutiana, V. Amastini, F. dan Mutiara, N. (2013) Optimasi
Pencarian Jalur dengan Metode A-Star, Universitas Multimedia
Nusantara,

dari

http://library.umn.ac.id/jurnal/public/uploads/papers/pdf/fda6e009f91fd
77b8d0eaf5578578c0a.pdf
[12]
Putra, R.D. Aswin, M. Djuriatno, W. (2012) Pencarian Rute
Terdekat Pada Labirin Menggunakan Metode A*, Jurnal EECCIS, Vol.
6

(2),

dari

http://elektro.studentjournal.ub.ac.id/index.php/teub/article/view
File/69/38
[13]
Riyadi, P.D.M. (2010) Algoritma Pencarian A* dengan Fungsi
Heuristik Jarak Manhattan,

Institut Teknologi Bandung,

dari

http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/20092010/Makalah2009/MakalahIF3051-2009-013.pdf
[14]
S. Funck, N. Mohler, dan W. Oertel, Determining car-park
occupancy from single images, IEEE Sym. Intelligent Vehicles, 2004,
325-328.

[15]

Suyanto. 2014, Artificial Intelligence, Informatika Bandung,

Bandung.
[16]
Tilawah, Hapsari (2011) Penerapan Algoritma A-Star (A*) untuk
Menyelesaikan Masalah Maze, Institut Teknologi Bandung, dari
http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/20112012/Makalah2011/MakalahIF3051-2011-009.pdf
[17]
Tyasa, M.A. dan Santoso, Edy Deteksi Tempat Kosong Pada
Lahan Parkir Mobil Menggunakan Metode Vehicle Detection dan
Operator Laplacian of

Gaussian (LoG), Universitas Brawijaya

Malang,

dari

http://ptiik.ub.ac.id/doro/download/article/file/DR00083201312
[18]
Whitten, L, Jeffery, 2006, Metode Desain dan Analisis Sistem.
Andi Offset, Yogyakarta
[19]
Yuliana. Ananda dan Surya, I. (2012) Implementasi Algoritma A
Star pada Pemecahan Puzzle 8, Politeknik Caltek Riau : Jurnal Teknik
Informatika, Vol. 1, dari http://aksara.pcr.ac.id/page/read_pdf.php?
name=JURNAL1.pdf&id=20
[20]
Yusnita, R. Norbaya,F. dan Basharuddin, N. (2012) Intelligent
Parking Space Detection System Based on Image Processing,
International Journal of Innovation, Management and Technology, 3
(3), dari www.ijimt.org/papers/228-G0038.pdf
[21]
Zunaidi, A.Y. Harianto dan Christianto, M. (2013) Rancang
Bangun Pendeteksi Tempat Parkir Kosong Berbasis Citra Digital,
Journal of Control and Network Systems, 2 (1) 26-34,
http://jurnal.stikom.edu/index.php/jcone

dari